当前位置:   article > 正文

Day 41: tf-idf 分析问题_idf分析作业

idf分析作业

2020/1/23

介绍TF,IDF

上一篇文章介绍了可以利用sklearn工具 把文章特征值化。文章特征值化最常见的应用就是 文章分类。比如说一篇文章经常提到一个词,那么这个文章的主题大概率就是和这个词相关。
在这里插入图片描述
像第一饼图 大概率讲的是和共享车相关,第二个饼图大概率讲的是和银行经济相关。像“我,明天,做”这些都是其他词语,其他词语的比例占的是最多的,所以这时候就要用到TF(term frequency),IDF (inverse document frequency)来确认词语的重要性。
TF:词语在文章中出现的频率
IDF: log(总文章数/该词出现的文档数)
词语的重要性: TF * IDF 所以说如果词语在很多文章中出现那么这个词的重要性就很低,方便我们进行分类判断。

TF-IDF 类的使用

sklearn.feature_extraction.text.TfidfVectorizer

  • TfidfVectorizer(stop_words=None):返回词的权重矩阵
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/小小林熬夜学编程/article/detail/723349
推荐阅读
相关标签
  

闽ICP备14008679号